CN114022890A - 针对图像的应答方法和装置 - Google Patents
针对图像的应答方法和装置 Download PDFInfo
- Publication number
- CN114022890A CN114022890A CN202111349426.4A CN202111349426A CN114022890A CN 114022890 A CN114022890 A CN 114022890A CN 202111349426 A CN202111349426 A CN 202111349426A CN 114022890 A CN114022890 A CN 114022890A
- Authority
- CN
- China
- Prior art keywords
- image
- category
- intention
- response
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了针对图像的应答方法和装置。该方法的一具体实施方式包括:响应于确定接收到图像,从预设图像类别集中确定图像所属的图像类别;从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别;根据确定的意图类别确定应答信息,以及发送应答信息。该实施方式实现了有助于提升应答信息的准确性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及针对图像的应答方法和装置。
背景技术
随着人工智能的快速发展,智能客服也逐渐出现在了各种各领域。如电商平台、在线教育平台、咨询系统等等。智能客服的出现在一定程度上释放了人力,节省了人工成本。
在智能客服的实际应用中,用户除了发送文本信息之外,还经常会发送各种图像。这些图像可能包含如快递信息、商品信息、页面截图、订单相关截图等等。对于用户发送的这些图像信息的应答是智能客服需要解决的问题之一。
现有的针对图像的应答方法主要包括向用户发送高频反问问题来作为应答信息,或者结合用户输入的文本信息利用多模态识别算法来生成应答信息。由于实际的应用场景多种多样且用户发送的图像种类非常多,导致现有的多模态识别方法所需的训练数据比较难构建,从而影响后续的应答效果。
发明内容
本公开的实施例提出了针对图像的应答方法和装置。
第一方面,本公开的实施例提供了一种针对图像的应答方法,该方法包括:响应于确定接收到图像,从预设图像类别集中确定图像所属的图像类别;从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别;根据确定的意图类别确定应答信息,以及发送应答信息。
第二方面,本公开的实施例提供了一种针对图像的应答装置,该装置包括:图像类别确定单元,被配置成响应于确定接收到图像,从预设图像类别集中确定图像所属的图像类别;意图类别确定单元,被配置成从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别;应答单元,被配置成根据确定的意图类别确定应答信息,以及发送应答信息。
第三方面,本公开的实施例提供了一种电子设备,该电子设备包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的实施例提供的针对图像的应答方法和装置,通过在确定接收到图像后,先对图像进行分类,然后再基于图像具体所属的图像类别确定图像发送者的意图类别,进而确定对应的应答信息,实现一种多层次的图像应答方法。而且由于第一层的图像分类,可以直接缩小发送者的意图类别至图像具体所属的图像类别对应的意图类别,从而有助于提升后续意图类别识别的准确性,进而有助于提升应答信息的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的针对图像的应答方法的一个实施例的流程图;
图3是根据本公开的实施例的针对图像的应答方法的一个应用场景的示意图;
图4a是针对订单截图进行应答的流程示意图;
图4b是针对物品信息截图进行应答的流程示意图;
图5是根据本公开的针对图像的应答装置的一个实施例的结构示意图;
图6是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了可以应用本公开的针对图像的应答方法或针对图像的应答装置的实施例的示例性架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如,浏览器类应用、搜索类应用、即时通信工具、社交类应用、购物类应用等等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103上安装的客户端应用提供后端支持的服务器。服务器105可以接收客户端101、102、103发送的图像,并根据该图像确定对应的应答信息,进而将应答信息反馈至终端设备101、102、103。
需要说明的是,本公开的实施例所提供的针对图像的应答方法一般由服务器105执行,相应地,针对图像的应答装置一般设置于服务器105中。
还需要指出的是,终端设备101、102、103中也可以安装有信息应答类应用,此时,终端设备101、102、103可以基于信息应答类应用对接收到的图像进行处理,此时,针对图像的应答方法可以由终端设备101、102、103执行,相应地,针对图像的应答装置可以设置于终端设备101、102、103中。此时,示例性系统架构100可以不存在服务器105和网络104。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,其示出了根据本公开的针对图像的应答方法的一个实施例的流程200。该针对图像的应答方法包括以下步骤:
步骤201,响应于确定接收到图像,从预设图像类别集中确定图像所属的图像类别。
在本实施例中,针对图像的应答方法的执行主体(如图1所示的服务器105等)在确定接收到图像后,可以从预设图像类别集中确定图像所属的图像类别。其中,图像可以是各种类型的图像。
一般地,执行主体在接收信息后,可以先采用各种方法确定接收到的信息是否为图像,从而确定是否接收到了图像,并在确定接收到图像时,从预设图像类别集中确定图像所属的图像类别。
其中,执行主体可以接收使用其的用户直接输入的信息,也可以接收与其通信连接的其他电子设备发送的信息。
预设图像类别集可以由一些预设的图像类别组成,具体可以由技术人员根据实际的应用场景或应用需求预先设置。执行主体在确定接收到图像后,可以采用各种方法确定接收到的所属的预设的图像类别。
例如,可以预先设置关键词与图像类别之间的对应关系。此时,在确定接收到图像之后,可以先利用各种图像处理技术(如光学字符识别等)提取该图像的内容的关键词,然后根据预设的对应关系,查找图像的内容的关键词对应的图像类别作为该图像所属的预设的图像类别。
步骤202,从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别。
在本实施例中,预设意图类别集可以由一些预设的意图类别组成,具体可以由技术人员根据实际的应用场景或应用需求预先设置。意图类别可以用于指示图像的发送者发送该图像的意图。一般地,不同的意图类别可以表示图像发送者的不同意图。
在许多交互的应用场景下,发送者在传递或表达其意图时,可能会发一些图像来辅助表达其意图。作为示例,在电商平台提供的聊天服务中,用户可能表达的意图类别包括但不限于:物流查询、售后申请或咨询、商品使用方法查询、换开发票等等。此时,若用户在具有查询已购买的物品的物流意图时,可以发送该物品的订单截图。
对于预设图像类别集中的每种图像类别,可以预先设置该图像类别对应的预设意图类别集。不同的图像类别对应的预设意图类别集可以相同,也可以不同。
执行主体在确定图像所属的图像类别之后,可以采用各种方法确定图像对应的意图类别。例如,对于每种图像类别,可以预先设置关键词与该图像类别对应的预设意图类别集中的意图类别之间的对应关系。此时,在确定图像所属的图像类别之后,可以先利用各种图像处理技术提取该图像的内容的关键词,然后根据该图像所属的图像类别,从对应的预设对应关系中查找该图像的内容的关键词对应的意图类别作为该图像对应的意图类别。
步骤203,根据确定的意图类别确定应答信息,以及发送应答信息。
在本实施例中,应答信息可以用于对接收到的图像进行回复。应答信息可以是各种类型的信息,包括但不限于文本、图像、语音、视频等等。
执行主体在确定图像对应的意图类别之后,可以采用各种方法确定针对图像的应答信息。例如,对于每种图像类别对应的预设意图类别集中的每种意图类别,可以预先设置该意图类别对应的应答信息。此时,在确定图像对应的图像类别和意图类别之后,可以根据该图像对应的图像类别和意图类别,查找对应的应答信息。
执行主体在确定应答信息之后,可以进一步向图像的发送端发送应答信息。
在本实施例的一些可选的实现方式中,执行主体在确定是否接收到图像之前,可以先接收图像的发送端发送的信息,然后确定接收到的信息是否为图像。
在一些情况下,执行主体在接收到信息之后,可以根据信息的类型(如文本、图像、语音、视频等)进行分类存储。此时,执行主体可以获取信息的存储地址,然后根据存储地址来确定信息类型,从而了解接收到的信息是否为图像,并对不同类型的信息进行对应的处理。
例如,不同类型的信息分别存储于不同位置。此时,可以基于正则匹配等方法根据信息的存储地址确定信息的类型。若确定信息为图像,则可以进一步确定图像所属的图像类别和对应的意图类别,然后根据图像的图像类别和意图类别确定应答信息。若确定信息为文本,则可以进一步基于自然语言处理的各种方法确定文本对应的应答信息。由此有助于实现对接收到的图像信息的快速判断和应答。
在本实施例的一些可选地实现方式中,预设图像类别集中的图像类别可以基于图像对应的业务流程进行划分得到。其中,业务流程可以根据具体的实际的应用场景灵活设置。例如,对于电商平台来说,业务流程可以包括售前、售中和售后等。其中,售前、售中和售后中的每个流程还可以进一步细化成更多的子流程。作为示例,售中还可以进一步细化为订单处理流程、结算流程等等。
不同的业务需求通常对应不同的业务流程,具体可以根据实际的应用场景对图像类别进行灵活划分,从而形成预设图像类别集。例如,可以针对每个流程划分对应的一个图像类别,此时,该流程处理过程中涉及的各个图像都可以属于该流程对应的图像类别。
由于不同的业务流程的处理过程通常具有较大差异,因此,基于业务流程比较容易对图像进行类别划分,从而便于后续再基于具体的图像类别确定图像发送者的意图,进而对接收到的图像进行准确应答。
在本实施例的一些可选的实现方式中,执行主体在确定接收到图像后,可以利用预先训练的图像分类模型确定图像所属的图像类别。其中,图像分类模型可以是基于机器学习方法训练得到的用于图像分类的模型。图像分类模型的网络结构可以基于现有的各种神经网络(如卷积神经网络等等)进行构建,也可以由技术人员根据实际的应用需求进行构建。利用图像分类模型可以实现快速地图像分类,以有助于提升整体应答流程的效率。
在本实施例的一些可选地实现方式中,在确定图像所属的图像类别之后,可以根据图像所属的图像类别,结合图像发送者的相关信息确定图像对应的意图类别。
其中,图像发送者的相关信息可以包括与图像发送者相关联的各种信息,具体可以根据实际的应用场景设置。例如,图像发送者的相关信息包括发送的图像本身、图像发送者的属性信息,图像发送者的历史订单信息等等。
执行主体可以根据图像所属的图像类别,并结合图像发送者的相关信息,灵活采用各种方法(如多模态识别方法等等)确定图像对应的意图类别。
可选地,执行主体还可以获取接收到的图像的上下文信息,然后根据图像和上下文信息,确定图像对应的意图类别。其中,上下文信息可以包括图像的发送端在预设时间段内向执行主体发送的其它信息。预设时间段可以指该图像的发送时间所在的时间段,具体可以根据实际的应用场景灵活设置。
执行主体可以根据接收到的图像和图像的上下文信息,采用各种方式确定图像对应的意图类别。例如,利用预先训练的意图识别模型根据图像和图像的上下文信息,识别图像对应的意图类别。其中,意图识别模型可以是基于机器学习方法训练得到的用于识别意图类别的模型。意图识别模型的网络结构可以基于现有的各种神经网络(如卷积神经网络等等)进行构建,也可以由技术人员根据实际的应用需求进行构建。
和现有的直接利用多模态识别算法生成应答信息相比,先对图像进行一个粗分类,然后再对每种类别进行具体地意图识别,可以缩小后续意图识别的范围,从而降低意图识别的难度,提升意图识别效果,进而提升应答效果。
继续参见图3,图3是根据本实施例的针对图像的应答方法的一个示意性的应用场景300。在图3的应用场景中,用户可以利用其使用的终端301上安装的购物类应用与该购物类应用的服务器302进行通信。具体地,用户可以通过购物类应用的智能客服向对应的服务器302发送物品截图303。服务器302在确定接收到的物品截图303为图像后,可以通过图像分类模型304确定物品截图303所属的图像类别305为家具,然后服务器302可以查询该用户的历史订单,得到查询结果306指示用户已购买过该家具。然后,可以结合图像类别305和查询结果,利用意图识别模型307识别用户发送物品截图303的意图308为获取物品的使用说明,进而服务器302可以根据识别到的意图308获取物品截图303对应物品的组装视频309作为应答信息发送至终端301,从而用户可以得到智能客服针对其发送的物品截图303的应答。
在本实施例的一些可选的实现方式中,执行主体还可以确定接收到的图像的发送端是否与其发送的图像相关。若相关,则可以进一步从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别。若无关,则可以从确定的图像类别对应的预设应答信息集中选取应答信息。
其中,图像的发送端与图像之间的关联关系可以根据实际的应用场景预先设置。例如,若图像的内容与图像的发送端相关,则可以认为图像的发送端与图像相关。反之,若图像的内容与图像的发送端无关,则可以认为图像的发送端与图像无关。
预设应答信息集可以由一些预设的应答信息组成,具体可以由技术人员根据实际的应用场景和应用需求灵活设置。例如,可以通过对历史接收到的图像对应的期望应答信息进行统计分析,然后选取频率较高的期望应答信息形成预设应答信息集。对于预设图像类别集中的每种图像类别,可以设置该图像类别对应的预设应答信息集。不同图像类别对应的预设应答信息集可以相同,也可以不同。
若图像的发送端与其发送的图像无关,可以灵活采用各种方法从预设应答信息集中选取应答信息进行回复,且选取的应答信息的数目也可以灵活设置。例如,可以随机选取应答信息。又例如,可以选取预设应答信息集中的全部应答信息并发送,以便于图像的发送端可以从接收到的各应答信息中选取其期望的应答信息,以进一步与执行主体进行交互。
通过判断图像的发送端与图像之间的关联性,不仅可以保护用户信息的安全性,还可以快速地确定根据接收到的图像能否识别到发送者的意图,以便于不能识别到发送者的意图时快速予以应答,以引导发送者提供更多的信息。
在本实施例的一些可选地实现方式中,预设意图类别集可以包括用于指示不存在业务意图的意图类别。此时,指示不存在业务意图的意图类别可以指无法确定图像发送者发送该图像的意图等情况。此时,可以从确定的图像类别对应的预设应答信息集中选取应答信息进行回复,以引导用户根据应答信息进一步交互,进而可以从进一步的交互之中获取更多的信息来识别发送者的意图。
以电商类应用场景作为示例,预设图像类别集可以包括以下至少一项图像类别:聊天记录、物品图像、表情图像和截图。其中,聊天记录可以包括图像发送者的历史聊天记录(如和执行主体之间的历史聊天记录)等。物品图像可以指呈现有物品的各种图像。例如,物品图像可以包括物品详情页展示的物品图像等。表情图像可以指用于表征各种表情的图像。
截图可以指各种信息的截图。可选地,截图还可以包括以下至少一项:订单截图、交易凭证截图、物品信息截图和服务单截图。其中,订单截图可以指订单信息的截图。交易凭证截图可以指交易凭证信息的截图。交易凭证可以指各种类型的交易证明,包括但不限于发票、收据等等。物品信息截图可以指物品信息的截图。物品信息可以指物品相关的各种信息(如物品展示信息、物品介绍信息等等)。例如,物品信息截图可以包括物品详情页的截图等。服务单可以指服务相关的表单的截图。服务可以指电商类应用提供的各种服务(如售后服务等)。例如,服务单可以包括售后服务单。
对于聊天记录这一图像类别,由于在电商类应用中用户发送聊天记录的图像通常是与售后相关的意图。因此,可以预先设置售后相关的各个意图类别,以及分别与售后相关的各个意图对应的关键词和应答信息。
此时,在确定图像接收到的图像属于聊天记录这一图像类别后,可以先基于光学字符识别等技术识别聊天记录中的文本。然后从文本中提取关键词,然后基于关键词匹配或朴素贝叶斯等方法确定关键词对应的意图类别,进而确定图像对应的意图类别对应的应答信息。
对于物品图像这一图像类别,由于在电商类应用中用户发送物品图像通常是与售后相关的意图、物品使用相关的意图或物流相关意图。但考虑到物品种类通常较多且杂,若进一步识别物品所属的类别成本较高,因此,可以预设与售后、物品使用和物流相关意图对应的历史高频反问信息作为应答信息。此时,在确定图像接收到的图像属于物品图像这一图像类别后可以直接获取对应预设的应答信息进行反问。
对于表情图像这一图像类别,由于表情图像通常与上下文信息相关。因此,在确定图像接收到的图像属于表情图像这一图像类别后,可以先根据表情图像所在的上下文信息确定发送者是否存在与业务流程相关的意图。若存在,则可以根据确定的意图所属的意图类别查找对应的应答信息。若不存在,则可以获取预设的通用应答信息(如常用反问句等)作为回复以引导用户进一步交互。
对于订单截图这一图像类别,由于在电商类应用中用户发送订单截图通常是与订单相关的意图。此时,可以参考图4a所示的针对订单截图进行应答的流程示意图,先基于光学字符识别等技术提取订单截图中的订单标识(如订单号等)和订单详细内容(如订单中的物品等),然后根据订单标识确定该订单是否为发送者的订单。若否,则可以回复订单为其他用户的订单而无法应答等提示信息作为应答信息。若是,则可以进一步结合订单截图所在的上下文信息确定发送者是否存在与业务流程相关的意图。若存在,可以继续根据订单详细内容和订单截图所在的上下文信息确定对应的意图类别,再获取与确定的意图类别对应的预设应答信息进行回复。若不存在,则可以获取针对订单截图类别预设的通用应答信息作为回复以引导用户进一步交互。
对于交易凭证截图这一图像类别,由于在电商类应用中用户发送交易凭证截图通常是与发票相关的意图。此时,可以先基于光学字符识别等技术提取交易凭证截图的内容(如抬头、税号、开户行等等)。然后获取用户历史填写的发票信息,并与提取的内容进行匹配。若匹配不一致,则说明可能存在发票模糊或抬头错误等问题,因此可以回复用户是否需要重开交易凭证等作为应答信息。若匹配一致,则说明用户可能对发票金额等存在疑问或用户想要修改抬头或开票时间等,因此可以对应回复发票金额是否存在异常、是否需要换开发票或发票的开票时间无法修改等作为应答信息。
对于物品信息截图这一图像类别,由于在电商类应用中用户发送物品信息截图,通常是与物品相关的意图。此时,可以参考图4b所示的针对物品信息截图进行应答的流程示意图,具体如下步骤所示:
步骤一,基于光学字符识别和正则匹配等技术确定物品信息截图中是否存在物品标识、物品名称、物品所属品类等内容中的至少一项。若存在,执行如下步骤二。若不存在,执行如下步骤五。
步骤二,根据提取的内容确定是否存在包括该物品名称和/或物品标识的订单。若存在,执行如下步骤三。若不存在,执行如下步骤六。
步骤三,结合物品信息截图所在的上下文信息确定发送者是否存在与业务流程相关的意图。若存在,执行如下步骤四。若不存在,执行如下步骤七。
步骤四,确定意图类别,以及获取与确定的意图类别对应的预设应答信息进行回复。
步骤五,获取预设的通用应答信息(如常用反问句等)作为回复以引导用户进一步交互。
步骤六,获取预设的与售前相关的意图对应的应答信息(如针对常见的一些售前问题的反问)进行回复。
步骤七,获取预设的与订单相关的意图对应的应答信息进行回复。
对于服务单截图这一图像类别,由于在电商类应用中用户发送服务单截图通常是售后进度查询、退货金额异常、取消售后等相关的意图。此时,可以先利用光学字符识别等技术从服务单截图中提取服务单标识(如单号等),然后确定该服务单是否是当前发送者的服务单。若不是,则可以回复涉及其它用户隐私而无法应答等提示信息作为应答信息。若是,则可以获取当前售后进度作为应答信息,同时关联回复是否存在退货金额异常或取消售后等问题也作为应答信息。
本公开的上述实施例提供的针对图像的应答方法通过先对接收到的图像进行分类,以缩小后续的意图识别的范围,然后再进行意图识别来缩小对应的应答范围,再结合其它如上下文信息等确定应答信息,有助于提升应答信息的有效性和准确性,尤其对于一些智能客服等应用场景下,可以提升用户使用智能客服的体验。
进一步参考图5,作为对上述各图所示方法的实现,本公开提供了针对图像的应答装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例提供的针对图像的应答装置500包括图像类别确定单元501、意图类别确定单元502和应答单元503。其中,图像类别确定单元501被配置成响应于确定接收到图像,从预设图像类别集中确定图像所属的图像类别;意图类别确定单元502被配置成从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别;应答单元503被配置成根据确定的意图类别确定应答信息,以及发送应答信息。
在本实施例中,针对图像的应答装置500中:图像类别确定单元501、意图类别确定单元502和应答单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明,在此不再赘述。
在本实施例的一些可选的实现方式中,上述预设图像类别集中的图像类别基于图像对应的业务流程进行划分得到。
在本实施例的一些可选的实现方式中,上述意图类别确定单元502进一步被配置成:获取图像的上下文信息;根据图像和上下文信息,从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别。
在本实施例的一些可选的实现方式中,上述意图类别确定单元502进一步被配置成:确定图像的发送端是否与图像相关;响应于确定图像的发送端与图像相关,从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别。
在本实施例的一些可选的实现方式中,上述应答单元503进一步被配置成:响应于确定图像的发送端与图像无关,从确定的图像类别对应的预设应答信息集中选取应答信息。
在本实施例的一些可选的实现方式中,预设意图类别集包括用于指示不存在业务意图的意图类别;以及上述应答单元503进一步被配置成:响应于确定的意图类别指示不存在业务意图,从确定的图像类别对应的预设应答信息集中选取应答信息。
在本实施例的一些可选的实现方式中,图像类别集包括以下至少一项图像类别:聊天记录、物品图像、表情图像和截图,其中,截图包括以下至少一项:订单截图、交易凭证截图、物品信息截图和服务单截图。
本公开的上述实施例提供的针对图像的应答装置,通过图像类别确定单元响应于确定接收到图像,从预设图像类别集中确定图像所属的图像类别;意图类别确定单元从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别;应答单元根据确定的意图类别确定应答信息,以及发送应答信息,实现一种多层次的图像应答方法,有助于提升应答信息的准确性。
下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。
需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:响应于确定接收到图像,从预设图像类别集中确定图像所属的图像类别;从确定的图像类别对应的预设意图类别集中确定图像对应的意图类别;根据确定的意图类别确定应答信息,以及发送应答信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括图像类别确定单元、意图类别确定单元和应答单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,图像类别确定单元还可以被描述为“响应于确定接收到图像,从预设图像类别集中确定所述图像所属的图像类别的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种针对图像的应答方法,包括:
响应于确定接收到图像,从预设图像类别集中确定所述图像所属的图像类别;
从确定的图像类别对应的预设意图类别集中确定所述图像对应的意图类别,其中,所述意图类别用于指示图像发送者发送所述图像的意图;
根据确定的意图类别确定应答信息,以及发送所述应答信息。
2.根据权利要求1所述的方法,其中,所述预设图像类别集中的图像类别基于图像对应的业务流程进行划分得到。
3.根据权利要求1所述的方法,其中,所述从确定的图像类别对应的预设意图类别集中确定所述图像对应的意图类别,包括:
获取所述图像的上下文信息;
根据所述图像和上下文信息,从确定的图像类别对应的预设意图类别集中确定所述图像对应的意图类别。
4.根据权利要求1所述的方法,其中,所述从确定的图像类别对应的预设意图类别集中确定所述图像对应的意图类别,包括:
确定所述图像的发送端是否与所述图像相关;
响应于确定所述图像的发送端与所述图像相关,从确定的图像类别对应的预设意图类别集中确定所述图像对应的意图类别。
5.根据权利要求4所述的方法,其中,所述方法还包括:
响应于确定所述图像的发送端与所述图像无关,从确定的图像类别对应的预设应答信息集中选取应答信息。
6.根据权利要求4所述的方法,其中,所述预设意图类别集包括用于指示不存在业务意图的意图类别;以及
所述根据确定的意图类别确定应答信息,包括:
响应于确定的意图类别指示不存在业务意图,从确定的图像类别对应的预设应答信息集中选取应答信息。
7.根据权利要求1-6之一所述的方法,其中,所述图像类别集包括以下至少一项图像类别:聊天记录、物品图像、表情图像和截图,其中,截图包括以下至少一项:订单截图、交易凭证截图、物品信息截图和服务单截图。
8.一种针对图像的应答装置,包括:
图像类别确定单元,被配置成响应于确定接收到图像,从预设图像类别集中确定所述图像所属的图像类别;
意图类别确定单元,被配置成从确定的图像类别对应的预设意图类别集中确定所述图像对应的意图类别;
应答单元,被配置成根据确定的意图类别确定应答信息,以及发送所述应答信息。
9.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111349426.4A CN114022890A (zh) | 2021-11-15 | 2021-11-15 | 针对图像的应答方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111349426.4A CN114022890A (zh) | 2021-11-15 | 2021-11-15 | 针对图像的应答方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114022890A true CN114022890A (zh) | 2022-02-08 |
Family
ID=80064466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111349426.4A Pending CN114022890A (zh) | 2021-11-15 | 2021-11-15 | 针对图像的应答方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114022890A (zh) |
-
2021
- 2021-11-15 CN CN202111349426.4A patent/CN114022890A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10853577B2 (en) | Response recommendation system | |
CN107863108B (zh) | 信息输出方法和装置 | |
US9442916B2 (en) | Management of language usage to facilitate effective communication | |
US11341506B2 (en) | Automated social media queuing system | |
CN109359194B (zh) | 用于预测信息类别的方法和装置 | |
CN108268450B (zh) | 用于生成信息的方法和装置 | |
CN114787814A (zh) | 指代解析 | |
CN110362665B (zh) | 一种基于语义相似度的问答系统及方法 | |
CN110798567A (zh) | 短信分类显示方法及装置、存储介质、电子设备 | |
CN112929253B (zh) | 一种虚拟形象交互方法和装置 | |
WO2024099457A1 (zh) | 一种信息推荐方法、装置、存储介质及电子设备 | |
US20210056521A1 (en) | Systems and methods for interactive video presentation of transactional information | |
CN113326375A (zh) | 舆情处理的方法、装置、电子设备和存储介质 | |
CN113139816A (zh) | 信息处理方法、装置、电子设备和存储介质 | |
CN110232920B (zh) | 语音处理方法和装置 | |
CN117251547A (zh) | 用户提问应答方法及其装置、设备、介质 | |
CN110059172B (zh) | 基于自然语言理解的推荐答案的方法和装置 | |
US9537939B1 (en) | Methods and systems for handling a single transaction with multiple devices | |
CN111126071A (zh) | 提问文本数据的确定方法、装置和客服群的数据处理方法 | |
CN107885872B (zh) | 用于生成信息的方法和装置 | |
US10803504B2 (en) | Method for generating by processor a second actionable item for execution by a data payload execution platform in order to complete processing of an action from a first actionable item | |
US11373057B2 (en) | Artificial intelligence driven image retrieval | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN114022890A (zh) | 针对图像的应答方法和装置 | |
CN115905681A (zh) | 店铺推荐方法、服务器、展示方法、客户端及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |